跳到主要内容

AI 时代,应该如何学习?

· 阅读需 3 分钟

2026 年, AI 的发展趋势已势不可挡了. 我们能做到只能顺应趋势, 积极拥抱 AI, 学会如何去驾驭 AI.

对于只是把 AI 当作一个搜索引擎的我来说, 还是有很多需要学习的内容.

要选择 AI 容易理解和操作的技术栈。

设计 AI 产品的时候要以 AI 为中心。 现在的流程都是为人设计的，如果让 AI 模仿人的操作，做出来的东西就会很割裂。

看不懂的名词​

这里连的每一个名词都可以单独出一篇文章.

Agent 分为 2 类

  1. 软件工程类 Agent （本质是流程驱动的软件开发，LLM 作为数据处理的后端）
    • Dify
    • Coze
    • n9n
  2. AI 原生 Agent（真正以 AI 驱动的 Agent）

Agent​

Agent 的定义：在人工智能领域，智能体被定义为任何能够通过传感器（Sensors）感知其所处环境（Environment），并自主地通过执行器（Actuators）采取行动（Action）以达成特定目标的实体。

  • Environment: Agent 所处的外部世界
  • Actuators: 可以是物理设备或代码(函数,脚本等)

AI Agent 是为了实现某个目标，循环调用工具的大语言模型。

开发 AI Agent 挑战？

  1. prompt 工程
  2. 自我修复，要能够自动检测并修复生成代码中的错误。
  3. 上下文：无法全部方法放入 context。

(2026.1.9) 在生生产环境中, 68% 的 Agent 被限制在 10 步以内.

使用的方式:结构化控制流: 任务流程都是人画好的, AI 只能在这里面填空.

Skill​

Skill 提出的意义: 简化模型对工具使用上下文处理的困难程度,让它更好的执行任务拆分、检验的工作。

BTAS Budget-Aware Test-time Scaling 预算感知测试时缩放​

  1. 预算感知规划
    1. 维护一个树状的 checklist， 每个节点表示一个任务， 包含状态和资源消耗信息。
    2. Agent 不是一次性列出所有步骤，而是动态更新的。
      1. 新的信息可能会创建新的分支，解决待定步骤，废弃无效路径。
      2. 预算足够时扩大搜索深度，预算紧张时深挖验证深度.
  2. 预算感知验证

Agent 目前的困境​

目前的问题是需要给上下文减负。（沟通噪音和认知负担消耗了大量的上下文）

  1. 有效工具管理（如 skill 机制）
  2. 内建自我验证能力（如 BATS）
  3. 模型间高效沟通协议（A2A 协议）， 未来肯定是会同时执行多个任务的（agent 与 Agent 之间需要沟通）。
    1. Claude Code 采用的是多 Agent 模式，主 Agent 负责与用户交互，并调度子 Agent 来完成特定子任务。